系统健康

历史健康详情

通过时间选择器选择对应的时间，历史健康详情框中展示集群历史（过往某段时间）的健康及异常情况。

• 异常事件分析

  异常事件分析面板展示了所有影响集群/实例健康状况的异常检查项。

  

  • 通过选择框可以筛选出对应等级的异常事件，异常级别说明如下。

    • 关注：当某些监控指标或系统行为指标达到一个可疑的状态，这可能意味着系统存在潜在风险，建议运维人员密切关注这些指标的变化，以便在情况恶化之前采取措施。常见的例子包括CPU使用率接近阈值、内存使用增加趋势等。

    • 警告：当监控指标越过设定的告警阈值，表明可能对系统中业务的正常运行造成影响。此时，运维人员应及时查看并处理相关问题。

    • 危险：当检查项表现出绝对的异常或故障迹象，可能会直接影响到系统的可用性和业务连续性。此时，运维人员需要立即介入，调查并解决存在的问题。

  • 通过实例ID选择框，可以筛选出对应实例的异常事件。

  • 诊断状态

    • 暂无诊断：当前异常项暂无诊断。处于暂无诊断的原因可能如下。

      • 当前异常项暂无对应的诊断支持。

      • 自动诊断处于冷却中。

      • 异常事件结束时间早于当前查看页时间（异常项已结束）。

    • 诊断中：当前异常项正在进行诊断。

    • 诊断完成：当前异常项已完成诊断。通过操作列表中单击查看诊断报告按钮查看报告。

    • 诊断失败：诊断调用失败。常见原因是节点当前时间内同时发起了多个诊断请求。

  • 异常项反馈

    用户可以通过反馈机制来调整异常检测算法，从而优化异常项的敏感度。以连续报出节点IO流量检测异常为例。如果认为当前的异常事件上报为误报，用户可以单击其中一个异常项操作中的反馈按钮，并选择相应的生效范围及敏感度调节选项。

    • 若选择仅在当前节点生效，则敏感度设置将适用于当前实例的节点IO流检测。

    • 若选择一键配置集群内所有节点，则敏感度设置将适用于当前集群所有节点的IO流量检测。

    

  • OS copilot智能分析

    节点CPU使用率检测、节点内核态CPU使用检测、节点软中断CPU使用检测、节点内存使用检测、节点内核内存使用检测及节点OOM夯机预测及检测提供异常项联动OS Copilot功能，可以通过异常项后的OS Copilot图标唤醒机器人，并要求机器人分析根因。上述异常项后方出现OScopilot图标，点击OS Copilot图标后出现对应的提示词，发送后会根据问题分析根因。

• TOP 10节点健康列表

  TOP 10节点健康列表面板展示了集群中按照健康评分从低到高排序的最低评分的10个实例信息。单击操作列的节点操作健康，将跳转至相应实例的健康度页面。

  

• 健康分趋势

  通过时间选择器显示的时间区间，可以查看总体健康分及四种类型指标健康分的历史情况，从而有效定位集群中历史发生的健康问题。

  

• 节点健康占比与节点问题占比

  • 节点健康占比通过饼图展示所有节点在各健康等级中的占比，具体分为四个等级。

    • 健康：健康分≥90

    • 亚健康：80≤健康分＜90

    • 不健康：60≤健康分＜80

    • 严重不健康：健康分＜60

  • 节点问题占比通过图形展示各类问题的比例，具体包括饱和度、延迟、负载和错误四个类别。

    

节点健康页面入口

1. 访问操作系统控制台。

2. 在左侧导航栏，单击系统管理。

3. 选择已纳管，输入目标实例ID/名称，或通过条件筛选实例，单击操作列的节点健康。

   

节点健康页面说明

以上面板展示了所选实例的实时监控分及资源数据。

• 节点健康分

  展示所选实例的实时健康得分，健康分等级可分为：

  • 健康：代表实例的系统/实例中的Pod处于健康状态，该等级表明集群中可能存在健康或亚健康状态实例，对应实例存在关注级别异常事件，基本对业务无影响。

  • 亚健康：代表实例的系统/实例中的Pod处于相对健康状态，该等级表明当前实例存在需要关注的异常项、存在亚健康或不健康Pod，对业务有轻微影响。

  • 不健康：代表节点的系统/节点中的Pod处于不健康状态，该等级表明当前实例存在告警级别的异常项或存在不健康或严重不健康Pod，需要立即处理相关异常，对业务的影响可感知。

  • 严重不健康：代表节点的系统/节点中的Pod处于非常不健康状态，该等级表明当前实例存在危险级别的异常项或存在严重不健康Pod，需要立即处理相关异常，可能会给业务带来严重的影响。

• 节点健康指标

  展示所选实例四种类型指标得分，用户可以通过该面板数据定位到系统中哪种类型指标影响集群健康分，指标分类如下：

  • 饱和度：饱和度用来衡量操作系统的承载能力，一般是操作系统相关资源的使用率。如常见的内存使用率，CPU使用率、磁盘使用率等。

  • 延迟：代表操作系统处理某个请求（任务调度、内存申请、IO、网络）所需要的时间。

  • 负载：当前系统的数据流入流出的数据统计，用来衡量服务的承载能力，不同系统的流量有不同的含义，对于操作系统来说，流量可以指网络、IO流量等。

  • 错误：当前操作系统发生错误请求或者发送错误事件的数量，通常为计数值（例如系统发生OOM的次数、系统发生丢包事件的次数、系统发生夯机事件次数等）。

• Pod数量面板

  当前实例中部署的处于运行状态的Pod数量。

• 节点资源总览

  • CPU：节点CPU使用情况。

  • 内存：节点内存使用情况。

  • 磁盘：节点根文件系统使用情况。

  • 网络：节点中所有网络上行及下行速率之和。

历史健康详情

• 节点异常事件分析

  

  • 节点异常事件分析面板展示了所有影响实例/Pod健康情况的异常检查项。通过选择框可以筛选出对应等级的异常事件。

  • 若实例中部署有Pod，可以通过POD选择框查看ECS实例中Pod的异常事件，通过Pod名称和NAMESPACE筛选框，可以筛选出对应Pod和NameSpace的异常事件。

  • 通过选择框可以筛选出对应等级的异常事件，异常级别说明如下。

    • 关注：当某些监控指标或系统行为指标达到一个可疑的状态，这可能意味着系统存在潜在风险，建议运维人员密切关注这些指标的变化，以便在情况恶化之前采取措施。常见的例子包括CPU使用率接近阈值、内存使用增加趋势等。

    • 警告：当监控指标越过设定的告警阈值，表明可能对系统中业务的正常运行造成影响。此时，运维人员应及时查看并处理相关问题。

    • 危险：当检查项表现出绝对的异常或故障迹象，可能会直接影响到系统的可用性和业务连续性。此时，运维人员需要立即介入，调查并解决存在的问题。

  • 诊断状态

    • 暂无诊断：当前异常项暂无诊断。处于暂无诊断的原因可能如下。

      • 当前异常项暂无对应的诊断支持。

      • 自动诊断处于冷却中。

      • 异常事件结束时间早于当前查看页时间（异常项已结束）。

    • 诊断中：当前异常项正在进行诊断。

    • 诊断完成：当前异常项已完成诊断。通过操作列表中单击查看诊断报告按钮查看报告。

    • 诊断失败：诊断调用失败。常见原因是节点当前时间内同时发起了多个诊断请求。

  • 异常项反馈

    用户可以通过反馈机制来调整异常检测算法，从而优化异常项的敏感度。以连续报出节点IO流量检测异常为例。如果认为当前的异常事件上报为误报，用户可以单击其中一个异常项操作中的反馈按钮，并选择相应的生效范围及敏感度调节选项。

    • 若选择仅在当前节点生效，则敏感度设置将适用于当前实例的节点IO流检测。

    • 若选择一键配置集群内所有节点，则敏感度设置将适用于当前集群所有节点的IO流量检测。

    

  • OS copilot智能分析

    节点CPU使用率检测、节点内核态CPU使用检测、节点软中断CPU使用检测、节点内存使用检测、节点内核内存使用检测及节点OOM夯机预测及检测提供异常项联动OS Copilot功能，可以通过异常项后的OS Copilot图标唤醒机器人，并要求机器人分析根因。上述异常项后方出现OScopilot图标，点击OS Copilot图标后出现对应的提示词，发送后会根据问题分析根因。

• TOP10 POD健康列表

  • 若ECS实例中存在Pod，则TOP10 Pod健康列表面板将显示该ECS实例中按健康分从低到高排序的前10个最低分Pod的信息。

  • Pod的具体信息。

    • Pod健康分表示时间选择器选择时间区间中当前Pod的最低分。

    • 镜像表示Pod中容器的镜像（最多只展示5个容器的镜像）状态代表了Pod的当前状态（运行中/离线）。

      

• 健康分趋势

  通过时间选择器显示的时间区间，可以查看总体健康分及四种类型指标健康分的历史情况，从而有效定位实例中历史发生的健康问题。

  

• POD健康占比与POD问题占比

  • POD健康占比通过饼图展示当前ECS实例中所有POD各健康等级的比例，具体分为四个等级。

    • 健康：健康分≥90

    • 亚健康：80≤健康分＜90

    • 不健康：60≤健康分＜80

    • 严重不健康：健康分＜60

  • POD问题占比利用图来显示各类问题的占比，分别为饱和度、延迟、负载和错误四类。